[投票]为什么 OpenAI sCam altman 是大骗子？

aidj · 发表于 5-11-2025 03:41 PM

本帖最后由 aidj 于 15-11-2025 10:06 PM 编辑

前几天什么重组我不懂啦！

https://youtu.be/Txh3h6dtoto

The TRUTH about AGI everyone ignores

请参考文献综述或点击关键词。

P/S: 听说2027年底前要 IPO

aidj · 发表于 5-11-2025 03:55 PM

本帖最后由 aidj 于 5-11-2025 03:59 PM 编辑

我们是不是被骗了？大模型写得像人，聊得像专家，答得一本正经，让人以为“AGI就在眼前”。可李飞飞（斯坦福大学人工智能实验室主任）一句话，把这层幻觉撕开：“LLM这条路线注定走不到AGI的终点。”

她点出的残酷现实是——语言模型再强大，依然困在词语的牢笼里，看得到世界，却永远摸不到世界。

语言模型的底层逻辑并不神秘。它的任务只有一个：在海量语料中学习统计模式，预测下一个最可能出现的词。换句话说，它擅长的是续写、润色、模仿风格，甚至营造出“逻辑推理”的错觉。但这些操作无一例外，都发生在文本的内部。它理解的，是语言的世界，而不是物理的世界。

问题就在这里。我们生活的世界，不是词语拼出来的。它有重量，有速度，有摩擦力，有随时可能出现的意外和偏差。人类的智能，正是通过不断和这些不确定性打交道才被塑造出来的。比如伸手去抓一杯水，语言模型能告诉你“伸手、抓取、拿起”，但现实中你需要判断力的大小，调整动作的角度，还得防止水洒出来。这些能力，任何只会处理符号的模型都学不到。

如果智能只是停留在语言上，就像一个只会看地图的人，永远不知道走路时的坑洼和泥泞。地图能告诉你方向，却无法带你穿越真实的地形。AGI的终点，必然在文字之外。

李飞飞的提醒正是要我们看清这点：真正的智能必须是感知—行动—反馈的闭环。它要能看，要能听，要能触摸世界，要能在失败中修正，再在修正中学习。

这不是把模型参数翻倍、语料扩展到互联网全部数据就能解决的，而是要跨出“词”的舒适区，进入空间、物理与行动的真实复杂性。

这条路难吗？当然难。它需要机器人学、计算机视觉、传感器技术、因果推理、强化学习的系统性突破。它需要AI在真实环境里不断试错，而不是只在显卡堆出来的虚拟世界里打转。更重要的是，它需要工程师和科学家有勇气，承认“光靠语言是走不通的”，然后重新搭建通往世界的桥梁。

但走出文字围城，也意味着新的风险。一个写错答案的语言模型，最多是信息误导；可一个能行动的智能体，如果决策错误，可能直接带来现实伤害。如何确保它的行为安全、可解释、与人类价值一致，将是更艰难的考验。

好消息是，这场转向已经开始。研究者在虚拟仿真环境中训练智能体，让它们先在沙盒里学会基础动作，再逐步走向真实世界；多模态模型正尝试把语言、视觉、动作与记忆统一起来；机器人实验室正在让AI不止会“说”，还会“做”。这条路漫长，但可能才是真正通向AGI的那条。

李飞飞的这句话，是对当下AI狂热的一针清醒剂。别被语言的幻觉蒙蔽，大模型的流畅并不是智能的终点。AGI的未来，一定会超越文字，走向那个有风、有雨、有重量的世界。